添加教程作者外链

Author: bokang-ugent

docs/ch02/ch2.1/ch2.1.2/YoutubeDNN.md

@@ -240,14 +240,14 @@ $$
 2. 对于每块数据，基于一些筛选规则进行记录的删除，比如只用了后7天的数据， 删除了一些文章不在物料池的数据， 删除不合法的点击记录(曝光时间大于文章上传时间)， 删除没有历史点击的用户，删除观看时间低于3s的视频， 删除历史点击序列太短和太长的用户记录
 3. 删除完之后重新保存一份新数据集，大约3个G，然后再从这里面随机采样了20000用户进行了后面实验
 
-通过上面的一波操作， 我的小本子就能跑起来了，当然可能数据比较少，最终训练的YouTubeDNN效果并不是很好。详细看后面GitHub的: `点击日志数据集初步处理与采样.ipynb`
+通过上面的一波操作， 我的小本子就能跑起来了，当然可能数据比较少，最终训练的YouTubeDNN效果并不是很好。详细看后面GitHub的: [`点击日志数据集初步处理与采样.ipynb`](https://github.com/zhongqiangwu960812/AI-RecommenderSystem/blob/master/Dataset/点击日志数据集初步处理与采样.ipynb)
 
 ### 简单数据预处理
 这个也是写成了一个笔记本， 主要是看了下采样后的数据，序列长度分布等，由于上面做了一些规整化，这里有毛病的数据不是太多，并没有太多处理， 但是用户数据里面的年龄，性别源数据是给出了多种可能， 每个可能有概率值，我这里选出了概率最大的那个，然后简单填充了缺失。
 
 最后把能用到的用户画像和文章画像统一拼接到了点击日志数据，又保存了一份。 作为YouTubeDNN模型的使用数据， 其他模型我也打算使用这份数据了。
 
-详见`EDA与数据预处理.ipynb`
+详见[`EDA与数据预处理.ipynb`](https://github.com/zhongqiangwu960812/AI-RecommenderSystem/blob/master/Dataset/EDA与数据预处理.ipynb)
 
 ### YouTubeDNN召回
 这里就需要解释下一些代码了， 首先拿到采样的数据集，我们先划分下训练集和测试集: